Page 70 - 无损检测2021年第七期

李建华, 等:

基于 EDPF 算法的高空高压线故障智能识别

依照线性系统理论得到 的工具 [ 13 ] , 该算子可通过式( 7 ) 描述。
y
H [ b ( x , )] =H [ b ( x , ) *ϑ ( x , )] = 0 0 -1 0 0
y
y
y
y
b ( x , ) *H [ ϑ ( x , )] b ( x , ) *h ( x , )( 2 ) 0 -1 -2 -1 0
y
y
=
式中: ϑ ( x , ) 为单位冲击信号; h ( x , ) 为单位图 S= -1 -2 16 -2 -1 ( 7 )
y
y
像退化因素的变换函数。 0 -1 -2 -1 0
基于此, 在忽略加性噪声的条件下, 利用式( 3 )
0 0 -1 0 0

描述退化模型的响应。 F ( x , ) 为像素点的对比值, 其如式( 8 ) 所示。
y
y =
y -2 G ( x +1 , )
y = b ( α ,) h ( x - α ,
l ( x , ) ∬ β y- β d αd β ( 3 ) F ( x , ) 16 G ( x , ) y -
)
y+1 )
y -
R 2 2 G ( x , -2G ( x -1 , )
考虑 H [ · ] 的空间不变性特征, 可利用式( 4 ) 描 2G ( x , -2G ( x , -
y-1 )
y-2 )
述其对位移信号的响应。
G ( x +1 , -G ( x +2 , )
y-1 )
y -
, ) y = , )
y+2 )
y+1 )
b ( x -x 0 y-y 0 * h ( x , ) l ( x -x 0 y-y 0 G ( x +1 , -G ( x , -
( 4 )
y+1 )
G ( x -1 , -G ( x -2 , )
y -
, ) 为位移信号。
y-1 )
式中: b ( x -x 0 y-y 0 G ( x -1 , ( 8 )
结合外部加性噪声, 可利用式( 5 ) 描述转换后的
y ( 为像素阈值) 的条件下,
式中: 在 F ( x , ) ≥F th F th
退化模型。
G ( x ,) 被定义为锚点, 相反则被定义为普通边缘点。
y
y +
y
y
y =
l ( x , ) b ( x , ) *h ( x , ) n ( x , ) ( 5 ) 1.3 可疑故障区定位
利 用 退 化 模 型 即 可 完 成 无 人 机 航 拍 图 像 的 在山区危险高空高压线上存在断股、 异物悬挂
恢复。 等故障时, 高压线图像局部灰度会出现显著波动, 因
1.2 基于 EDPF 算法的高压线图像边缘检测 此为实现最终的故障识别, 基于 1.2 节的高压线图
在恢复无人机航拍图像后, 检测山区危险高空 像边缘检测结果, 引入投影法确定山区危险高空高
高压线图像边缘, 防止出现虚假高压线问题 [ 9 ] 。选
压线可 疑 故 障 区 域 [ 14-15 ] 。针 对 无 人 机 航 拍 图 像 b

取 EDPF ( earliest deadline and p rocessin g time
( x , ), 以左下角为坐标原点, 设定x 和 y 分别为横
y
first ) 算法, 该算法的主要优势体现在无参数、 适应
坐标和纵坐标, 用L x=i⊆b 表示 b ( x , ) 在横坐标为
y
性强等方面 [ 10 ] 。
y
x=i 的垂直方向的投影线, L y= j ⊆b 表示b ( x , )
EDPF 算法与 ED 算法相比, 差异主要 体现为
在纵坐标为 y= j 的水平方向的投影线, 由此得到
EDPF 算法的全部参数均处于上限值状态 [ 11 ] , 在此
(
y
j
状态下, 确定全部的可能边缘段, 通过亥姆 霍兹理 L x=i= {( i , ) ∈b }, L y= j = {( x ,) ∈b }。 G v b ) 为
垂直方向的投影, 如式( 9 ) 所示; G h b ) 为水平方向
(
论, 在全部可能边缘段中清除不具效用的假性线段。
的投影, 如式( 10 ) 所示。
依据亥姆霍兹理论的假性线段检验过程如式( 6 ) 所
y
(
示。 G v b )( 0 , k ) = ∑ b ( x , ) ( 9 )
g∈L
n y - k
n i
(
y
n - 1
(
(
N FA n , r ) =MN ∑ P i q 1-q ) ( 6 ) G h b )( k , 0 ) = ∑ b ( x , ) ( 10 )
i = r g∈L x - k
式中: n 和 r 分别为线段长度像素值和沿着线段的 若b ( x , )为高压线二值化图像, 由此可得到
y
梯度对齐像素值, 称为对齐像素值; P 为无人机航 b ( x , ) 在垂直和水平方向上的投影分别为
y
拍组合方法的数量; 为方向精度, 其值取0.125 ; N N
q
y =
y
H ( ) b ( x , ) ( 11 )
为宽度; M 为高度; i 为像素变化参数。 ∑
x=1
在 N FA n , r ) 不大于 1 的条件下, 定义该线段 M
(
y
H ( x ) = ∑ b ( x , ) ( 12 )
有效 [ 12 ] , 相反在 N FA n , r ) 大于 1 的条件下, 定义该
(
y=1
线段无效。
2 试验方法
EDPF 算法将梯度区域内像素上限值区域作为
锚点, 通 过 同 邻 近 点 对 比 确 定 锚 点。 为 了 提 升 为验证研究的基于无人机航拍的高压线故障智
EDPF 算 法 内 锚 点 确 定 的 准 确 率, 选 取 五 阶 LOG 能识别方法的应用效果, 选定某市山区高空高压系
( 高斯拉普拉斯函数) 算子作为对比过程中权重确定 统高压线为试验对象, 利用无人机对其进行航拍, 随
2
3

2021 年 第 43 卷 第 7 期
无损检测